Tensorflow c++实践(使用cmake vs2015 编译tensorflow源码)

写这篇文章的主要目的是为了总结这一个多月对tensorflow应用到c++语言上面走过的路。因为身边的人都少有使用c++实现tensorflow的使用,都是自己一点坑一点坑踩过来。所以想总结一番,也分享给大家一起探讨。第一次写,写的不好的地方请大家多多指正。我是在Github下载tensorflow源码,编译可以供vs2015使用的tensorflow库,然后将我们项目training得到的.ckpt文件固定成.pb文件,经过c++调用,跑出了想要做到的效果。这里介绍的是如何编译供c++使用的tensorflow库,并且是GPU版本

tensorflow c++源码编译

参考的博客链接:https://www.cnblogs.com/steven_oyj/p/8259205.html (请复制粘贴,_ 原因会出现404)我就差不多是参考上面这篇博客的,并对其进行完善一下,主要是在cmake-gui勾选参数就有点区别,还有我没有像上述博客一样,修改CMakeLists.txt的内容, 非常感谢这位博主。

相关的环境准备

  1. 操作系统 win10
  2. 编译工具 visual studio 2015 (我用的是企业版的,版本是随意的)
  3. 安装swig-3.0.12 我的安装路径是 E:/download/swigwin-3.0.12/swigwin-3.0.12/ (可以的话还是下这个版本的)
  4. 安装python3.5 将安装路径添加到环境变量中,我是用Anaconda安装的
  5. 安装cmake-gui,版本是Cmake-3.8.0
  6. 安装git,将git路径加入环境变量,vs编译过程中会使用git
  7. 从github中tensorflow 的master上下载源码

这是我存放下载下来tensorflow-master源码的路径

这里有一点要提的是,我这个tensorflow-master版本想要使用GPU的话,对应的是Cuda v9.0版本。事先安装好Cuda V9.0,并在vs2015中去试着调用,看是否可以使用。这里给一下使用vs + cuda的配置方法,主要是测试vs2015能否使用gpu。安装CUDA时候,注意也要弄好Cudnn, 装过tensorflow-gpu版本的应该都知道,就不说了。 参考链接:https://blog.csdn.net/u013165921/article/details/77891913

使用Cmake-gui 设置编译参数

这个当时真的打击到我了,cmake出来一堆东西,还需要去用VS来编译,编译一次需要4-5个小时,才可以知道在这些编译参数下生成的文件再用vs来编译能不能成功。失败了一个多星期,然后总算找到了可以成功编译的cmake参数了。具体的参数含义建议大家看看tensorflow的官网介绍,由于是赶着工程需要,也没有去深入研究这些cmake参数的定义,以及勾选不同参数下vs编译时候报的错误信息。cmake注意安装的不是命令行cmake,而是cmake-gui,方便在cmake时候勾选自己所需要的参数。下面就给出了cmake-gui操作的具体流程图了。

1. 是源码的cmake文件夹路径 2. 是生成文件存放的路径 3. 勾选 4. 点击Configure
上一张图点击Configure之后会弹出如下界面。选择如上设置再Configure
这时候会报错,是因为没有找到swig.exe ,编辑下面的红线部分,参考:E:/download/swigwin-3.0.12/swigwin-3.0.12/swig.exe 然后再Configure
最重要的部分来了,这时候点击tensorflow下拉出一系列参数,具体的勾选如上图所示。之前我就是再勾选参数这里反反复复,最终上面这个是我编译成功的参数设置。然后点击Configure,Configure Done之后点击Generate

这时候,在你的生成文件路径E:\download\tensorflow-master\tensorflow-master\tensorflow\contrib\cmake\w_build下就会生成一堆文件,然后使用vs2015打开下面工程文件:双击ALL_BUILD, 使用vs2015打开。

如下图,选择Release x64 , 然后按照下图所标示 1点击 工具 2选择 选项 3 设置最大并行项目生成数为 1。上述设置完成之后,就可以右击ALL_BUILD ->生成。 接着就是漫长的等待了。我的电脑一般是4个小时左右。

编译完成之后,一般都会报错的。也别着急,需要耐心。我的错误类型如下:

然后找到下图的文件 tf_core_kernels 鼠标右键->仅用于项目->仅生成tf_core_kernels,然后再等一段时间,就可以看到下面第二张图的输出结果了。

接着找到tensorflow_static文件,鼠标右键->仅用于项目->仅生成tensorflow_static, 再等一段不长的时间

最后一步了,你上面都是出现成功的话,这一步就是更没问题了。找到tensorflow这个文件, 鼠标右键->仅用于项目->仅生成tensorflow,就会在相应的目录下生成tensorflow.dlltensorflow.lib, 这就是我们需要的文件了。然后c++编译tensorflow就算是成功了。一般的你可以去找个关于c++ tensorflow教程跑一下这个tensorflow源码中的example, 测试一下。

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

发表于

c++ tensorflow

1 篇文章1 人订阅

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Kotlin入门系列

win7基础 cmd del+*.扩展名 删除指定文件夹下的同一类型的所有文件

18613
来自专栏前端儿

MongoDB安装说明以及MongoVUE使用

MongoDB是一个基于分布式文件存储的数据库。由C++语言编写。旨在为WEB应用提供可扩展的高性能数据存储解决方案。

772
来自专栏更流畅、简洁的软件开发方式

js的动态加载、缓存、更新以及复用(三)

总体思路 1、  建立一个js服务,该服务实现通用js文件的加载、依赖、缓存、更新以及复用。 2、  各个项目如果使用通用js,可(bi)以(xu)使用js服务...

2029
来自专栏性能与架构

Linux 全能型监控工具

dstat是Linux中功能很全面的一个监控工具 dstat官方将其定义为vmstat、iostat、ifstat等工具的多功能替代品,且添加了许多额外的功能 ...

3328
来自专栏IT可乐

Nginx(四)------nginx 负载均衡

  在上一篇博客我们介绍了 Nginx 一个很重要的功能——代理,包括正向代理和反向代理。这两个代理的核心区别是:正向代理代理的是客户端,而反向代理代理的是服务...

612
来自专栏大数据架构师专家

系统监控工具-glances

作为运维不仅要时时监控系统,还需要优雅的装13,当别人还在命令的小黑框里敲打那个top命令去查看系统性能的时候,我们带你使用web端监控系统性能

714
来自专栏散尽浮华

nginx限制上传大小和超时时间设置说明/php限制上传大小

现象说明: 在服务器上部署了一套后台环境,使用的是nginx反向代理tomcat架构,在后台里上传一个70M的视频文件,上传到一半就失效了! 原因是nginx配...

3667
来自专栏FreeBuf

PHPcms9.6.0 最新版任意文件上传漏洞(直接getshell)

对于PHPcms9.6.0 最新版漏洞,具体利用步骤如下: 首先我们在本地搭建一个php环境,我这里是appserv(只要可以执行php文件就行) ? 在根目录...

1939
来自专栏逸鹏说道

关于long的争议和思考

先普及一下VS开发Linux的知识点 VS2017的安装:https://www.cnblogs.com/dunitian/p/8051985.html 创建项...

3358
来自专栏Laoqi's Linux运维专列

Redis的持久化-AOF

2858

扫码关注云+社区